find-skills

查找技能

同时搜索所有主要注册表，并按照每个注册表自己的原生指标分别展示结果，从而为任务找到合适的 Agent 技能，而不是盲目信任某个网站的排行榜。

何时使用此技能

• 用户询问“如何做 X”，而 X 是常见任务，很可能已有公开发布的技能
• 用户询问“找一个用于 X 的技能”／“有没有用于 X 的技能”／“我应该为 X 安装什么”
• 用户希望扩展 Agent 能力（测试、设计、部署、特定模型／API、领域工作流）
• 你正准备从头构建某个东西，而成熟可靠的技能可能已经涵盖了它

为什么要搜索多个来源

每个注册表只展示自己的部分内容，而且采用的信号各不相同：

注册表	搜索方式	提供的信号	局限
skills.sh	GET /api/search?q=	累计安装量、来源仓库	没有星标、没有摘要，安装量更新滞后约 2.5 小时
clawhub.ai	/api/search + /api/skill?slug=	摘要、安装量、星标、版本	收录范围小于 skills.sh
GitHub	gh search repos --topic {claude-skills,agent-skills,claude-code-skills}	仓库星标、描述、维护情况	以仓库为单位，而非技能；仅限带有主题标签的仓库

某项技能可能在一个网站上以 50 次安装量排名第 1，而另一个网站上有一项同等技能，安装量达 1,300，却没有排名。只搜索一个注册表会导致结果有偏差。此技能会并行查询三者，按照各自的原生指标排列每个榜单，标记同时出现在两个注册表中的技能（按规范化名称双向匹配，因此 face-swap ↔ faceswap 可以对应），并展示每个榜单的顶部结果，让你了解整个生态，而不只是某个网站的排行榜。

如何运行

使用用户的需求作为查询词，运行随附的聚合脚本：

bash scripts/find.sh "<what the user needs>"

示例：

bash scripts/find.sh "react performance"
bash scripts/find.sh "pdf form filling" --limit 8
bash scripts/find.sh "video generation" --scan 5
bash scripts/find.sh "deploy to vercel" --no-scan --json

标志：

• --limit N — 每个来源的结果数量（默认值为 10；非数字值会回退到 10）
• --scan K — 对每个注册表中排名靠前的 K 个可安装候选项进行安全扫描（默认值为 2，最大值为 5）
• --no-scan — 跳过安全扫描（速度更快；扫描需要多花几秒，因为它会获取每个候选项的实际 SKILL.md）
• --json — 输出机器可读的 JSON，而非格式化报告
• -h / --help — 打印用法并退出

此脚本需要 curl 和 jq。它会使用 gh 获取 GitHub 部分内容和 skills.sh 技能正文，并在扫描期间使用 unzip 获取 clawhub 技能正文；这些工具均为可选项，若不存在，脚本会自动降级运行。无需 API 密钥。

运行相邻术语查询——一次搜索不够

注册表按技能的名称而非含义建立索引。只用一个查询会错过以相关术语归类的优秀技能。对于任何不简单的需求，在下结论之前，先用相邻词汇搜索 2–3 次，然后汇总结果。

这不是可有可无的润色——它经常会改变答案。例如：搜索 "ui ux design"，安装量最高约为 19k；但搜索 "frontend design"，会找到 anthropics/skills/frontend-design，安装量达到 443k——它是满足同一需求的最佳技能，却完全不会出现在第一次查询中。

根据领域选择相邻术语，例如：

• UI/UX → frontend design、design system、web design、tailwind shadcn、dashboard ui
• 测试 → e2e、playwright、unit tests、test automation
• 部署 → deployment、ci cd、docker、vercel／kubernetes
• 文档 → documentation、readme、api docs、changelog

将这些搜索结果的并集作为候选池，然后对整个候选池应用下方的评估标准，而不是只看某一次查询的结果。

如何阅读输出

设计原则：不编造“质量评分”。 不存在需要你盲目信任的综合分数。每个榜单都按该榜单自身的原生人气指标排序，唯一显示的计算值是 match %——用户查询词中出现在某项技能名称／摘要里的词所占比例。这是透明的相关性提示，并非定论。

报告从上到下依次为：

• 横幅 + 遥测信息 — 查询内容、来源状态行（skills.sh ✓ 5·1.2s clawhub ✓ 0·2.7s github ✓ 8·1.1s），显示哪些榜单已响应／命中数／延迟，以及本地已安装的技能数量。来源显示 ✗ failed／– skipped 表示结果不完整——请说明这一点。
• ▶ 各榜单排名第一项 — 每个榜单按其原生指标排名第 1 的条目（skills.sh 按安装数／clawhub 按安装数·星数／GitHub 按匹配度·星数）。这是关键词 + 人气排名，并非经过审核的推荐项——它只是一个起点，也可能有误（某个关键词匹配度为 100% 的仓库，读过后可能会发现并不相关）。转发前务必先阅读确认。如果某个榜单没有匹配项，会明确说明。
• ✓ 已在你的设备上 — 仅当某项结果已安装时才会显示。这是一个正向提示：告诉用户他们已经有一项不错的技能，无需安装。（启发式规则：将结果名称与 ~/.agents/skills／~/.claude/skills 下的文件夹名称进行匹配；如果技能安装在重命名后的文件夹中，可能无法识别。）
• 📦 skills.sh — 按安装数排序。支持一键安装。每行都会显示其来源仓库（以便区分来自不同仓库的同名技能）。(also on clawhub) 表示在另一个注册表中存在规范化名称匹配项。排名前 K 项会带有风险徽标。
• 🪝 clawhub — 按安装数 · 星数排序。支持一键安装。(also on skills.sh) 表示存在反向跨站发布。排名前 K 项会带有风险徽标。
• 🐙 github — 收录 claude-skills／agent-skills／claude-code-skills 主题下的仓库（合并并去重），按匹配度，然后按星数排序，因此高星但主题不相关的仓库（例如一个仅提到“UI”的 14k 星工具）会排在匹配度 100% 的仓库之后。这里只显示带有主题标签的仓库——未添加标签的技能仓库不会显示在这里。不能一键安装——使用前请先审核。
• 📚 精选列表 — 经过人工审核的 awesome 列表，用于最后确认。

如何选择合适的技能（决策准则）

脚本负责收集证据；**由你做决定。**不要把表格一股脑丢给用户，让他们自己决定——这没有帮助。请给出明确且经得起推敲的推荐。专业的做法是既要有自己的判断，也要展示基于真实信号的推理过程。

**步骤 1 — 先阅读，再评判。**不要仅凭元数据推荐。打开排名靠前的 2–3 个候选项的实际 SKILL.md / README（脚本已经获取了已扫描候选项的正文；对于 GitHub 仓库，则获取其 README）。问问自己：*它是否真的能完成用户的具体任务，还是只是关键词相似？*一个偏离主题、安装量达 10k 的技能，不如一个安装量只有 200、但切中需求的技能。

步骤 2 — 按以下顺序权衡信号：

1. 匹配度 — 技能文档中描述的行为是否符合实际需求？（阅读触发条件和范围，而不只是看 match %。）这是最重要的因素。
2. 受欢迎程度作为社会认同 — 在真正符合需求的技能中，安装量 / 星标数越高，表示越多人认可它。使用各平台自身的数据。
3. 深度与维护情况 — 正文是否涵盖用户的具体子需求？是否有近期版本、真实示例和清晰的范围？内容单薄或已弃用的技能应降级考虑。
4. 安全性 — 扫描结果为 ⛔ RISKY 的技能不予推荐，除非用户在充分知情的情况下接受风险；若结果为 ⚠ caution，则需提醒用户。
5. 跨平台发布 — 同时出现在两个目录中是一个小幅加分项（说明它由不同平台独立发布 / 维护）。

步骤 3 — 打破平局时，优先选择你实际读过、能够担保的技能，并且其范围应尽可能明确、依赖项应尽可能少且不令人意外。

步骤 4 — 给出结论，而不是菜单：

• 给出一项首选推荐，并用一句话说明理由，引用具体信号（“安装量 12k，而且它的 SKILL.md 专门介绍了表单填写，正好符合你的需求”）。
• 提供 1–2 项按需求区分的替代方案（“如果你想要 X，可以改选这个”）。
• 如果最佳选择是 GitHub 仓库，而不是可一键安装的目录技能，请明说并仍然推荐它——并指出需要手动审核 / 安装。
• 只有在你阅读过排名靠前的候选项、并确认它们确实都不符合需求时，才说“没有合适的选项”。此时可以主动帮用户直接完成任务，或搭建一个新技能。

陈述平台上的真实数据，绝不要编造评分。专业的回答应该像这样：“我推荐 ui-components（529 次安装）——我读过它；它涵盖 shadcn + Radix + 设计令牌 + 表单，和你的需求完全吻合，而且其工具为只读。ai-design-components 仓库有 363★，看起来很诱人，但它是一个包含 76 个技能的全栈大杂烩，并非专注于 UI——除非你想要所有内容，否则别选它。”“数据都列在这里，你自己选”是不行的。

安全扫描

对于排名靠前的 K 个结果，脚本会获取实际的 SKILL.md（skills.sh → 通过源仓库获取 GitHub raw；clawhub → 获取其下载 zip），并通过 grep 检查风险信号：

标记	等级	含义
curl-pipe-install	⛔ risky	将远程脚本直接传入 sh / bash 执行——这是审计中最常导致不通过的模式
eval-remote / base64-pipe-exec	⛔ risky	在运行时执行获取到的代码或经过混淆的代码
broad-tool-grant	⚠ caution	allowed-tools 授予 Bash(*) 或不受限的工具访问权限
reads-secrets	⚠ caution	引用了 ~/.ssh、~/.aws、.env、私钥
solicits-credentials	⚠ caution	要求用户粘贴 API 密钥 / 令牌 / 密码

✓ clean = 未发现风险信号；? unscanned = 无法获取正文（排名超出 K、私有仓库或没有正文接口）。标记只是提醒你在推荐前亲自阅读技能的启发式提示，并不代表安全与否的保证。绝不要推荐 ⛔ RISKY 技能而不明确警告用户它会执行什么操作。

推荐和安装

向用户展示选项时，请为每个候选项提供：名称、功能简介（一行）、安装次数 + 星标数、所在的注册表，以及安装命令。然后询问是否要安装。

通过 Skills CLI 安装（适用于由 skills.sh 索引的仓库）：

npx -y skills add <owner>/<repo> --skill <slug> -g

-g 会在用户级别安装。对于仅在 clawhub 上提供的技能，请引导用户访问其 clawhub.ai/skill/<slug> 页面，并使用 clawhub CLI。

没有合适的结果时

如果没有结果达到合理标准，请直言不讳，主动提出使用通用能力直接完成任务，并说明用户可以自行搭建技能（npx skills init <name>）。不要夸大勉强匹配的结果。

安全与隐私

• 此脚本只会向公共 API（skills.sh、clawhub.ai、raw.githubusercontent.com）发送只读 HTTP GET 请求，并执行只读的 gh 查询。它不会发送查询字符串以外的任何内容，只会写入临时文件（一个结果 JSON 文件，以及扫描期间会在退出时丢弃的候选 SKILL.md 正文）。
• 不需要 API 密钥或令牌。
• 内置的安全扫描本身就是一种防护措施：它会在你信任候选项之前对其进行检查。但这只是启发式检查——安全标记不代表经过了安全审计。
• 已安装的技能会以完整的 Agent 权限运行。请将发现的任何技能视为不可信的第三方代码：运行前检查其 SKILL.md 和任何附带脚本，并警惕来自未知作者、安装量低却要求广泛工具访问权限或在运行时获取远程代码的技能。
• 此技能绝不会自动安装任何内容；安装始终需要用户明确确认。

另请参阅

• skills.sh — 按 GitHub 索引的最大注册表
• clawhub.ai — 提供更丰富的单项技能统计信息的 OpenClaw 注册表
• 精选列表：ComposioHQ/awesome-claude-skills、microsoft/skills、bergside/awesome-design-skills